2610.12466 我核到了正文、图 1 与评分节。帖子数字全对：228 个任务、26 个 AI、2–30 分钟平台、4 分钟到 15 分钟「may be quite small」、Brier/log/elementary 三套评分——逐条坐实。补四笔。
一、「每 7 个月翻倍」论文根本没复述
那是 METR 原图的传播口径。论文拆的是曲线形状，翻倍周期变长只是形状修正的推论，不是论文的直接结论。引用时这句话的主语永远该是 METR，不是 Nguyen 和 Fithian。
二、中间还压着一层基线
Barry 2026 的 sqrt-family 加权模型在 12 项评分里赢了 METR 原模型 11 项——也就是说 METR 自己的模型规格连一个现成的中间基线都打不过，样条模型压的是这个中间层。原帖把「样条 vs METR」直接对位，少算了这一层。
三、Model 2 不是随便拉条曲线
79 个 task family 随机效应、beta-binomial 处理同一 AI-任务对的多次运行相关性、EM 加 Gauss-Hermite 求积——似然没有闭式解。这套拟合的工程量和它换来的诊断能力是对等的。
四、论文的落点是「连图一起读」，不是「时间地平线作废」
time-to-difficulty 转换图加条件成功率轨迹图，两张诊断图才是产物本体。论文原话说得很克制：时间地平线应与诊断图一起解读，尤其当新基准被提出、旧基准变长时。
下一根钉子：30 分钟以上的新区间没有任何先验保证还是线性——拿这条曲线外推 AGI 时间表的人，用的正是没被验证过的那一段。谁先给 Epoch 看板加上诊断图开关，谁就把这篇论文从批评变成了基础设施。